-->

어떤 에이전트가 지난주 여신 심사 보조 업무를 돌렸습니다. 결과는 그럴듯했습니다. 그런데 담당자가 “이 판단을 왜 이렇게 내렸느냐”고 물었을 때, 아무도 그 과정을 되짚지 못했습니다. 모델은 충분히 똑똑했지만, 무엇을 근거로 어떤 도구를 호출했고 어디서 멈췄는지가 남아 있지 않았기 때문입니다. 이 장면이 2026년 7월 9일 오늘, 여러 뉴스가 각자 다른 언어로 가리킨 공통의 빈칸이었습니다.

오늘 뉴스는 두 방향으로 갈렸습니다

한쪽은 지능과 컴퓨트가 흔해지는 이야기였습니다. 중국 앤트그룹은 유리와 거울 같은 반사면까지 인식하는 비전 AI를 공개하며 12개 벤치마크를 석권했는데, 놀라운 대목은 성능이 아니라 규모였습니다. 단 11억 개 매개변수로 70억 급 모델을 능가했습니다. 엔비디아 고성능 GPU 접근이 제한된 환경에서 나온 효율 중심 전략이 어디까지 왔는지를 보여준 셈입니다. 같은 날 오픈AI와 앤트로픽은 최고 성능 모델을 무료 토큰으로 풀며 초기 스타트업을 자기 생태계에 붙잡으려 경쟁했고, 퀄컴은 HBM 자체를 우회한 저전력 데이터센터 칩으로 엔비디아 독점에 균열을 시도했습니다. 앤트로픽은 아마존 트레이니엄과 구글 TPU, 엔비디아 GPU를 워크로드별로 나눠 쓰는 멀티칩 전략을 확대했습니다. 지능도, 그 지능을 돌릴 실리콘도 이제 한 곳에 매이지 않습니다.

다른 한쪽은 조용했지만 방향이 분명했습니다. IT조선은 “알아서 일하는 AI 에이전트, 행동 기록이 신뢰를 좌우한다”는 진단을 내놨습니다. 마이크로소프트와 유아이패스 같은 플랫폼 기업들이 앞다퉈 강화하는 것은 더 큰 모델이 아니라, 에이전트의 모든 실행 단계를 로그와 지표와 추적 정보로 남기는 관측가능성 도구였습니다. 생성형 AI 시절의 단순 응답 로그를 넘어, 에이전트가 스스로 판단하고 행동한 흔적 자체를 기록으로 붙잡으려는 흐름입니다.

지능은 상향 평준화되고, 병목은 옮겨갔습니다

두 방향을 겹쳐 보면 통념 하나가 흔들립니다. 우리는 오랫동안 “더 똑똑한 모델이 더 나은 에이전트를 만든다”고 믿어 왔습니다. 그런데 앤트그룹 사례처럼 지능이 작고 저렴해지고, 무료 토큰 경쟁처럼 최고 모델의 접근 장벽마저 낮아지면, 지능은 더 이상 차별화 요소가 아니게 됩니다. 누구나 쓸 수 있는 것은 누구의 경쟁력도 아니기 때문입니다.

그래서 기업이 실제로 멈칫하는 지점은 성능표의 마지막 소수점이 아니었습니다. 자율적으로 움직이는 에이전트가 무엇을 했는지, 왜 그랬는지를 사후에 증명할 수 있느냐는 물음이었습니다. 국내 사정은 이 물음을 더 무겁게 만듭니다. 2026년 1월 시행된 AI 기본법 아래에서 금융과 공공 부문은 에이전트의 의사결정 과정을 사후 검증할 수 있는 로그 체계를 규제 대응 차원에서 갖춰야 합니다. 행동 기록의 미비가 곧 책임 소재 분쟁과 감사 리스크로 직결되는 국면입니다.

같은 날 하나금융융합기술원이 기업여신과 상담을 지원하는 금융 업무용 AI 모델을 공개한 것도 이 맥락에서 읽힙니다. 케이뱅크와 신한은행, KB국민은행이 이미 자체 도메인 모델로 방향을 튼 데는 망분리 규제와 고객 데이터 외부 반출 제한이라는 국내 특유의 환경이 자리합니다. 은행권이 범용 초거대 모델 대신 내부망에서 돌아가는 경량 특화 모델로 수렴하는 이유는 성능이 아니라 통제 가능성입니다. 어디서 돌아가고 무엇을 남기는지를 스스로 쥐고 있어야 규제를 통과할 수 있습니다.

흔해지는 것의 폭이 넓어지고 있습니다

지능만 흔해지는 것이 아닙니다. 그 지능을 떠받치는 하드웨어 우위도 한 지점에 머물지 않고 흩어지는 중입니다. 글로벌이코노믹은 AI 주도권이 GPU 독점에서 인프라 수요 확산으로 넘어가고 있다고 짚었습니다. GPU 품귀는 2026년 하반기부터 점진적으로 풀릴 전망이고, TSMC의 첨단 패키징 생산능력과 HBM 공급이 안정화되면서 투자 초점이 CPU와 메모리, 서버, 전력, 냉각, 네트워크로 번지고 있습니다. 병목이 GPU 한 곳에 있을 때는 GPU를 확보하는 것이 곧 경쟁력이었지만, 병목이 여러 갈래로 퍼지면 어느 한 자원의 우위만으로는 격차를 벌리기 어려워집니다.

슈퍼마이크로가 70억 달러를 조달하며 엣지부터 초대형 데이터센터까지 공급을 넓히고, 통신사들이 대규모 데이터센터 용량 경쟁에 뛰어드는 것도 같은 방향입니다. 공급이 넓어질수록 하드웨어를 얼마나 확보했느냐보다, 그 위에서 워크로드를 어떻게 배치하고 어떻게 운영하며 무엇을 기록하느냐가 진짜 변별점으로 남습니다. 자원이 귀할 때는 소유가 경쟁력이지만, 자원이 흔해지면 운영이 경쟁력입니다. 그리고 자율 에이전트 시대의 운영은 곧 통제와 기록의 다른 이름입니다.

결과가 아니라 과정을 본다는 신호

흥미롭게도 같은 전환이 사람을 뽑는 자리에서도 나타났습니다. 크래프톤과 CJ올리브영이 공동 개최한 AI 네이티브 해커톤에서 쓰인 평가 방식은, 완성된 결과물만 보지 않았습니다. 지원자가 문제를 어떻게 구조화했고 AI 에이전트를 어떤 방식으로 활용해 반복 개선했는지, 그 과정을 함께 채점했습니다. 결과물의 겉모습은 AI 코딩 도구가 보편화되면서 상향 평준화됐기 때문입니다. 변별력은 결과가 아니라 과정의 기록에서 나온다는 판단이, 채용 시장에서도 똑같이 작동하기 시작했습니다.

에이전트에게 요구되는 것도 다르지 않습니다. 자율성이 커질수록 신뢰의 근거는 매끈한 최종 출력이 아니라, 그 출력에 이르기까지의 검증 가능한 궤적으로 옮겨갑니다. 지능이 흔해진 세계에서 남는 질문은 언제나 같습니다. 이 에이전트가 한 일을, 나중에 다른 사람이 되짚을 수 있습니까.

기록은 나중에 붙이는 기능이 아닙니다

여기서 흔한 오해를 짚고 넘어가야 합니다. 감사 추적을 잘 만든 에이전트에 나중에 덧붙이는 부가 기능쯤으로 여기기 쉽습니다. 그러나 행동 기록은 실행 계층 바깥에서 관찰만으로 완성되지 않습니다. 에이전트가 어떤 스킬을 호출했고, 격리된 실행 환경 안에서 어떤 도구를 어떤 권한으로 건드렸으며, 외부 시스템과 어떻게 연동했는지는 실행 구조 자체가 남겨줘야 하는 정보입니다. 실행과 기록이 분리되어 있으면, 로그는 언제나 실제 행동보다 성기고 늦습니다.

문제는 오늘날 에이전트가 자기 안에서만 움직이지 않는다는 점입니다. 표준 커넥터를 통해 사내 데이터베이스를 조회하고, 외부 API를 부르고, 다른 에이전트에게 작업을 넘깁니다. 실행이 여러 시스템을 가로지르는 만큼, 기록도 그 경계를 함께 넘어야 합니다. 한 시스템 안의 로그만 남기고 연동 지점을 놓치면, 사고가 났을 때 정작 책임이 갈리는 접점이 공백으로 남습니다. 관측가능성이 응답 로그를 넘어 행동 신호로 확장되고 있다는 오늘의 진단은 바로 이 공백을 메우려는 움직임입니다.

그렇다면 처음부터 실행 계층이 기록을 소유하도록 설계된 플랫폼은 어떤 모습이어야 할까요. ThakiCloud의 Agent-Native Cloud인 Paxis는 이 질문을 제품의 뼈대로 삼았습니다. Paxis에서 Skills와 Tools, Policies, Audit Logs는 나중에 얹는 옵션이 아니라 일급 리소스입니다. 에이전트가 스킬을 호출하는 순간과 도구를 실행하는 순간이 곧 감사 로그로 남고, 정책 게이트가 그 실행을 사전에 승인하거나 차단합니다. MCP 표준 커넥터로 외부 시스템과 연동하는 지점까지 같은 궤적 위에 얹히기 때문에, 시스템 경계를 넘나드는 행동도 하나의 기록으로 이어집니다. 무엇을 했는지를 사후에 복원하는 것이 아니라, 하는 동안 기록이 함께 자라는 구조입니다.

이 구조가 특히 값어치를 갖는 곳이 제조와 공공, 금융 같은 규제 산업입니다. 같은 날 네이버클라우드는 유럽의 미스트랄AI와 손잡고 제조 특화 소버린 AI를 공동 개발하겠다고 밝혔습니다. 데이터를 외부로 내보내기 어려운 제조 기업의 특성에 맞춘 접근입니다. 정부는 2030년까지 민관 20조원을 투입해 국가 제조데이터 라이브러리를 구축하고 명장의 암묵지까지 데이터로 남기는 K-피지컬 AI 전략에 시동을 걸었고, LG씨엔에스는 금융과 피지컬 AI로 사업 축을 옮기고 있습니다. 이 현장들의 공통점은 데이터가 밖으로 나갈 수 없다는 제약과, 자동화된 판단이 남긴 흔적을 반드시 붙잡아야 한다는 요구입니다. 소버린과 감사 추적은 별개의 요구가 아니라 하나의 요구를 앞뒤에서 본 것입니다.

자율성 역시 흑백이 아니라 눈금으로 다룹니다. Paxis는 에이전트의 자율도를 L0에서 L3까지 단계로 나눠 거버넌스합니다. 여신 심사처럼 민감한 작업은 사람의 승인을 끼운 낮은 자율도로 두고, 위험이 낮은 반복 작업은 높은 자율도로 열어두는 식입니다. AI 기본법이 요구하는 사후 검증 가능성과 금융권이 필요로 하는 통제 가능성은, 정책과 감사 로그와 자율도 눈금이 한 몸으로 움직일 때 비로소 현실이 됩니다. 격리 샌드박스 안에서 실행이 이뤄지고, 그 실행이 소버린 온프렘 쿠버네티스 위에서 돌아간다면, 데이터를 외부로 내보내지 않으면서도 모든 궤적을 국내 인프라 안에 남길 수 있습니다. 망분리 환경을 벗어나지 못하는 금융과 공공 고객이 정작 필요로 하는 그림입니다.

흔해진 것과 귀해진 것

오늘 시장은 지능과 컴퓨트가 얼마나 빠르게 흔해지는지를 여러 각도에서 보여줬습니다. 작은 모델이 큰 모델을 이기고, 최고 모델이 공짜로 풀리고, 칩은 벤더를 갈아탑니다. KT는 1GW, SKT는 15GW 규모의 데이터센터를 예고하며 인프라 공급도 넓혀갑니다. 이 모든 것이 지능의 값을 떨어뜨리는 방향으로 작동합니다.

값이 떨어진 것 옆에는 늘 값이 오른 것이 있습니다. 지능이 흔해질수록, 그 지능이 자율적으로 한 일을 증명하는 능력은 귀해집니다. 서울에서 처음 열린 ICML 2026의 화두가 에이전틱 AI였다는 사실은, 연구의 최전선조차 이 문제로 수렴하고 있음을 시사합니다. 기업이 에이전트에게 진짜로 던지는 질문은 이제 “얼마나 똑똑하냐”가 아니라 “네가 한 일을 내가 되짚을 수 있느냐”입니다. 그 물음에 실행 계층 스스로가 답하도록 만드는 일, 그것이 지능의 시대가 지나간 자리에 남은 진짜 과제입니다.

참고